49
menghilangkan
musiman
(mengeliminasi
fluktuasi
musiman
dari)
X1
•
Penyesuaian
ini
dapat
digambarkan
dengan
memperhatikan
kasus
dimana
lt-L lebih besar daripada
1,
yang terjadi
pada saat
nilai periode
t
-
L
lebih besar daripada
rata-rata
dalam
musimmmya.
Membagi
Xt dengan
bilangan
yang
lebih
besar
daripada
1
ini
menghasilkan suatu
nilai
yang lebih
kecil daripada
nilai
semula.
Persentase
penurunan
ini
sama dengan
banyaknya
unsur musiman pada periode
t- L yang lebih
besar
daripada
nilai
rata-rata.
Penyesuaian
yang
sebaliknya
terjadi
bilamana
angka
musiman
lebih kecil daripada 1.
Nilai I,.L digunakan dalam
perhitungan
ini
karena
I,
tidak
dapat
dihitung sebelum S,
diketahui dari
persamaan (2-46).
Salah satu
masalah dalam
menggunakan
metode
Winters
adalah
menentukan
nilai
nilai
untuk
a,
{3,
dan
'Y
tersebut
yang akan
meminimumkan
MSE
atau MAPE.
Pendekatan
untuk
menentukan
nilai
ini
biasanya
secara coba
dan
salah
(trial
and
error), walaupun
mungkin
juga
digunakm1
algoritma
optimasi
non-linear
untuk
mendapatkan nilai
parameter
optimal.
Karena
kedua
pendekatan
tersebut
memakan
banyak
waktu
dm1 mahal,
maka
metode
ini
jarang
digunakan.
Metode
ini
baru
dipakai
jika
banyak himpunan data
yang
harus
ditangani.
Untuk
menginisialisasi
metode
peramalan
Winters
yang
diteraugkan
di
atas,
kita
perlu
menggunakan
paling
sedikit
satu
data
musiman
lengkap
(yaitu
L
periode)
untuk
menentukan
estimasi
awal dari
indeks
musiman,
I,.L, dan
kita
perlu
menaksir
faktor
tren dari satu periode
ke
periode
yang
selanjutnya.
Untuk
melakukan
yang
terakhit
tersebut biasanya dipakai dua
musim
lengkap (yaitu 2L periode) sebagai
berikut
 |